通过选择性对抗扰动实现视觉友好的概念保护

通过少量图像微调扩散模型进行个性化概念生成引发了关于隐私和知识产权的法律和伦理问题。研究人员试图使用对抗扰动来防止恶意个性化。然而，先前的研究主要关注保护的有效性而忽视了扰动的可见性。它们利用全局对抗扰动，对原始图像引入显著改变并严重降低视觉质量。在这项工作中，我们提出了视觉友好概念保护（VCPro）框架，优先通过可见性更低的对抗扰动来保护图像所有者选择的关键概念。为确保这些扰动尽可能不显眼，我们引入了一个松弛的优化目标来识别可见性最低但有效的对抗扰动，使用拉格朗日乘子法求解。定性和定量实验验证了VCPro在扰动可见性与保护有效性之间取得了更好的权衡，有效地以更不显眼的对抗扰动优先保护图像中的目标概念。